典型文献
PCA与联合近邻权值协同过滤算法研究
文献摘要：
协同过滤推荐算法主要是通过学习用户对商品过去所作出的偏好行为来为用户作出推荐,也就是协同过滤算法会对用户评分矩阵进行用户行为偏好学习,从而为用户作出相应的推荐.但是,由于用户评分矩阵具有极大的稀疏性,稀疏性会影响推荐算法的推荐结果.针对评分矩阵的稀疏性问题,文章利用主成分分析法,对用户原始评分矩阵首先进行降维处理,将原始评分矩阵转换到主成分空间上,缓解了评分矩阵的稀疏性,同时也降低了运算的时间复杂度.利用Mo-vieLens数据库对算法进行了实验并和联合近邻权值算法进行了比较.结果表明,本文算法有较高的准确度和运行效率.
文献关键词：
主成分分析;降维;协同过滤;推荐算法
中图分类号：
作者姓名：
郝雅娴;谢淘
作者机构：
山西师范大学数学与计算机科学学院,山西太原0300001
文献出处：
引用格式：
[1]郝雅娴;谢淘-.PCA与联合近邻权值协同过滤算法研究)[J].长江信息通信,2022(06):47-50
A类：
vieLens
B类：
近邻,协同过滤算法,算法研究,协同过滤推荐算法,习用,所作,法会,评分矩阵,用户行为,行为偏好,好学,稀疏性,降维处理,换到,时间复杂度,Mo,权值算法
AB值：
0.236986
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
